🧠AI RAG

查询改写与Rerank

面试回答

常见问法

为什么很多 RAG 系统除了检索，还要做查询改写和 rerank？

回答

因为用户问题往往不是最适合检索的表达。查询改写解决“搜什么”，rerank 解决“先看哪几个”。

查询改写：把用户问题改成更适合召回的检索表达
rerank：对初步召回结果重新排序，提升前几条的相关性

这两步常一起出现，是因为很多问题不是“完全没召回”，而是“召回候选里优先级不对”。

追问

改写会不会改坏原意
rerank 为什么常比单纯扩大 top-k 更有效
什么场景适合多路 query rewrite

原理展开

查询改写常见目标：

补全缩写和别名
去掉口语噪声
把问题改成文档里更可能出现的表述

rerank 则通常放在“粗召回之后、送模型之前”，因为：

前置检索要快
rerank 可以更贵，但只处理较小候选集

面试里很适合用一句话概括： “改写解决召回表达，rerank 解决候选排序，它们不是同一个优化点。”

易错点

一发现效果不好就只加 top-k
查询改写过度，改掉用户真实意图
不区分召回阶段和重排阶段的优化目标

记忆技巧

记住：

改写 = 帮搜索更懂用户
召回 = 先多找一些
重排 = 再把最相关的顶上来